data.loc[sta,'R_100'] =data.query(sta)[value]

for i in range(0,12):
stat='SITE=="{stat_name}"'
sta=stat.format(stat_name=station[i])
print(sta)
#print(data.index.levels[0])
#print(data.query(sta)[value])
plotData(axes[i],data.index.levels[0],data.query(sta)[value],ptype)#注意下站点对不对应
#axes[i].set_title(station[i],fontsize=4,loc='left')
axes[i].annotate(station[i], xy=(0.8, 1.0), xycoords="axes fraction",fontsize=6)

for i in range(0,12):
sta=station[i]
data.loc[sta,'rmse_100'], data.loc[sta,'mape_100'],data.loc[sta,'R_100']= statis(np.array(df.loc[sta,'pm25_100']), np.array(df.loc[sta,'pm25']))
data.loc[sta,'rmse_50'],data.loc[sta,'mape_50'],data.loc[sta,'R_50'] = statis(np.array(df.loc[sta,'pm25_50']), np.array(df.loc[sta,'pm25']))
data.loc[sta,'rmse_10'],data.loc[sta,'mape_10'],data.loc[sta,'R_10'] = statis(np.array(df.loc[sta,'pm25_10']), np.array(df.loc[sta,'pm25']))
data.loc[sta,'rmse_1'],data.loc[sta,'mape_1'],data.loc[sta,'R_1'] = statis(np.array(df.loc[sta,'pm25_1']), np.array(df.loc[sta,'pm25']))
data.loc[sta,'rmse_100use'],data.loc[sta,'mape_100use'],data.loc[sta,'R_100use'] = statis(np.array(df.loc[sta,'pm25_100use']), np.array(df.loc[sta,'pm25']))
data.loc[sta,'rmse_50use'],data.loc[sta,'mape_50use'],data.loc[sta,'R_50use'] = statis(np.array(df.loc[sta,'pm25_50use']), np.array(df.loc[sta,'pm25']))

©著作权归作者所有,转载或内容合作请联系作者
  • 序言:七十年代末,一起剥皮案震惊了整个滨河市,随后出现的几起案子,更是在滨河造成了极大的恐慌,老刑警刘岩,带你破解...
    沈念sama阅读 199,636评论 5 468
  • 序言:滨河连续发生了三起死亡事件,死亡现场离奇诡异,居然都是意外死亡,警方通过查阅死者的电脑和手机,发现死者居然都...
    沈念sama阅读 83,890评论 2 376
  • 文/潘晓璐 我一进店门,熙熙楼的掌柜王于贵愁眉苦脸地迎上来,“玉大人,你说我怎么就摊上这事。” “怎么了?”我有些...
    开封第一讲书人阅读 146,680评论 0 330
  • 文/不坏的土叔 我叫张陵,是天一观的道长。 经常有香客问我,道长,这世上最难降的妖魔是什么? 我笑而不...
    开封第一讲书人阅读 53,766评论 1 271
  • 正文 为了忘掉前任,我火速办了婚礼,结果婚礼上,老公的妹妹穿的比我还像新娘。我一直安慰自己,他们只是感情好,可当我...
    茶点故事阅读 62,665评论 5 359
  • 文/花漫 我一把揭开白布。 她就那样静静地躺着,像睡着了一般。 火红的嫁衣衬着肌肤如雪。 梳的纹丝不乱的头发上,一...
    开封第一讲书人阅读 48,045评论 1 276
  • 那天,我揣着相机与录音,去河边找鬼。 笑死,一个胖子当着我的面吹牛,可吹牛的内容都是我干的。 我是一名探鬼主播,决...
    沈念sama阅读 37,515评论 3 390
  • 文/苍兰香墨 我猛地睁开眼,长吁一口气:“原来是场噩梦啊……” “哼!你这毒妇竟也来了?” 一声冷哼从身侧响起,我...
    开封第一讲书人阅读 36,182评论 0 254
  • 序言:老挝万荣一对情侣失踪,失踪者是张志新(化名)和其女友刘颖,没想到半个月后,有当地人在树林里发现了一具尸体,经...
    沈念sama阅读 40,334评论 1 294
  • 正文 独居荒郊野岭守林人离奇死亡,尸身上长有42处带血的脓包…… 初始之章·张勋 以下内容为张勋视角 年9月15日...
    茶点故事阅读 35,274评论 2 317
  • 正文 我和宋清朗相恋三年,在试婚纱的时候发现自己被绿了。 大学时的朋友给我发了我未婚夫和他白月光在一起吃饭的照片。...
    茶点故事阅读 37,319评论 1 329
  • 序言:一个原本活蹦乱跳的男人离奇死亡,死状恐怖,灵堂内的尸体忽然破棺而出,到底是诈尸还是另有隐情,我是刑警宁泽,带...
    沈念sama阅读 33,002评论 3 315
  • 正文 年R本政府宣布,位于F岛的核电站,受9级特大地震影响,放射性物质发生泄漏。R本人自食恶果不足惜,却给世界环境...
    茶点故事阅读 38,599评论 3 303
  • 文/蒙蒙 一、第九天 我趴在偏房一处隐蔽的房顶上张望。 院中可真热闹,春花似锦、人声如沸。这庄子的主人今日做“春日...
    开封第一讲书人阅读 29,675评论 0 19
  • 文/苍兰香墨 我抬头看了看天上的太阳。三九已至,却和暖如春,着一层夹袄步出监牢的瞬间,已是汗流浃背。 一阵脚步声响...
    开封第一讲书人阅读 30,917评论 1 255
  • 我被黑心中介骗来泰国打工, 没想到刚下飞机就差点儿被人妖公主榨干…… 1. 我叫王不留,地道东北人。 一个月前我还...
    沈念sama阅读 42,309评论 2 345
  • 正文 我出身青楼,却偏偏与公主长得像,于是被迫代替她去往敌国和亲。 传闻我的和亲对象是个残疾皇子,可洞房花烛夜当晚...
    茶点故事阅读 41,885评论 2 341

推荐阅读更多精彩内容

  • 数据说明:’./data/raw/pm25.csv’文件为某地2017年一段时间内的PM2.5的每小时监测数据,数...
    安徒生阅读 921评论 0 0
  • 原创文章:如有下载及转载请注明来源链接,否则视为侵权 (第一)------------------数据读取相关方法...
    chfing阅读 2,014评论 0 1
  • 之前一直没有实践评分卡模型,今天从网上看到有相关的代码,先保存下,后续需要再细看。 https://blog.cs...
    丙吉阅读 1,164评论 0 0
  • pandas Pandas是线上服务类型,数据分析和数据处理(在机器学习中数据处理) 数据分析三剑客: numpy...
    Galaxy_saturn阅读 740评论 0 1
  • pandas简介pandas是python的一个数据分析包,最初由AQR Capital Management于2...
    陨星落云阅读 14,477评论 9 40